备件采购可应用的几种需求预测方法

备件采购的前提是对需求量的确定。需求预测的方法有很多，按照形式上的不同，需求预测的方法可以分为定性预测和定量预测，定性预测备件需求就是以人为观察的方法来确定备件未来需求量，而定量预测备件需求就是采用数学统计的方法科学分析备件需求量。

备件的消耗除了日常的定期检修更换以外，还有计划外的设备损坏维修更换，因此备件的需求预测除了连续性的预测之外，也需要间断性的预测。目前，备件采购可用的间断性需求预测方法不多，只有Croston法、Bootstrap法和IFM法等几种。

1、备件需求预测 Croston法

备件需求预测采用Croston法的条件是，备件的需求量服从正态分布、需求间隔比较稳定。Croston法对备件需求量和需求间隔的估计是分开的，而后以平均的需求率来预测未来备件的需求情况。若备件的需求不具有正态分布特点，则不适用以Croston法预测需求量。

2、备件需求预测 Bootstrap法

备件需求预测要采用Bootstrap法，必须要有较多的需求样本和前期统计资料，来保证预测的准确性。Bootstrap法能根据历史数据来了解需求发生的概率，及前后需求发生之间的相关性，它更适用于需求序列中有大量的零、提前期固定的情况。

备件需求预测时，若采用Bootstrap法，历史数据的特性对结果影响较大，但若实际备件需求受到影响因素的干扰，则预测的结果准确性不高。另外，以Bootstrap法预测备件需求，还可能低估前期需求变异。

3、备件需求预测 IFM法

备件实际需求水平受日常检修和定期维修等因素影响时，可以采用IFM法进行需求预测。这种预测方法可将影响因素作为条件反映为备件需求预测结果，因此在外界影响因素较多的条件下，对备件需求预测的准确性要高于Bootstrap法。

备件需求预测所使用的具体方法，要根据备件本身的需求特点来确定，使备件的需求能满足预测方法的使用范围，避免备件需求预测不准。

本站所有文章均为原创，版权归无忧备件网所有，转载请注明出处。

 

 

Google： 备件库存 croston

间断需求预测方法综述

 

 

国外备件库存管理新趋势

来源:互联网 作者:徐远 日期:2009年10月31日 访问次数:

[摘要]备件是保障设备处于良好状态的主要因素｡有效的备件库存管理,既可保证设备维护活动的及时进行,又可以减少库存资金占用,提高企业经济效益｡国外备件库存管理研究较早｡本文通过分析国外有关备件库存管理研究成果,揭示国外备件库存管理研究进展及趋势,为我国备件库存管理的研究与实践提供参考｡

　　[关键词]备件;库存管理;备件库存
　　　
　　现代生产方式,如精益生产､敏捷制造,要求企业能够快速响应市场需求,而快速响应用户不断变化的需求需要强有力的后勤保障与支持｡备件是设备正常维护检修和应急处理的保障性物资,是保障设备处于良好状态的重要因素｡企业在使用设备过程中,为了保证设备的正常运转,需要对备件的采购和储备进行决策｡很多企业都有这种经历,备件存储很多,有的很少使用,甚至不用;但一旦维修时,所需的备件没有,又需现定制,供应商需要收取额外费用,这使维修成本急剧升高｡如何保障企业以最少资金保证备件的及时供应成为企业日益关注的课题｡国外备件库存管理研究较早,近几年成果显著,研究的发展方向主要体现在备件分类､预测､库存控制与管理几方面｡
　　
　　一､综合考虑备件影响因素所进行的备件分类
　　
　　早在20世纪60年代,Allen等就提出必须考虑备件的可维修特性,将备件分成可维修和不可维修两类,这是较粗略的分类｡之后,为制定科学合理的备件库存策略,从不同角度对备件进行详细分类｡如Peter等人(1988)将备件分为不需要储备的备件和必需储备的关键备件;Cohen(1992)将需求分为两类:紧急需求和普通需求;Moore(1996)提出备件分类需考虑机器故障､备件过去使用的情况､提前期､供应商可靠性､缺货水平和库存周转期等因素;Dekker等人(1998)将备件需求分为关键和非关键需求;Braglia等人(2004)考虑备件的库存约束､停机成本､安全和环境目标､所采取的维修战略以及物流等因素对备件的分类｡综合考虑备件的影响因素进行备件分类已成为备件分类研究趋势｡
　　
　　二､间断需求或慢速流动的备件需求预测
　　
　　在制定备件库存策略､构建库存模型中,需求预测十分重要｡但由于多数备件的需求具有不确定性,增加了需求分析与预测难度｡备件需求预测常采用的方法是回归技术｡如Flint曾利用备件库存回归分析方法,在1995年估计美国航空行业存储备件的价值450亿美元｡
　　而备件需求预测难度最大的是间断需求,即历史需求数据中含有大量零值,对这类备件也称慢速流动备件或不常用备件｡这类备件需求利用一般的统计技术预测往往误差很大｡而实际上这类备件价值往往很高,一旦缺货,设备停机损失又很大,所以对这类备件的需求预测也是企业关注的焦点｡2000年以后的文献,对此类问题研究也较多｡对这类备件的需求预测有Bayesian方法,如Kamath(2002)提出了需求不服从任何分布情况下,采用Bayesian方法预测备件需求｡还有Croston模型(1972)的修正,如Eaves1等为英联邦皇家空军的飞机备件需求预测提出的修正Croston模型(2004)｡此外,Willemain等人(2004)采用一种新的时间序列方法——Bootstrap方法,预测固定提前期的累计分布,认为Bootstrap方法比指数平滑和Croston方法对间断需求预测精度更高｡而Regattieria等人(2005)利用意大利航空公司的历史数据,检验20种预测技术的精度,结果表明加权移动平均､Cros-ton方法和指数加权平均法较好｡
　　
　　三､低需求的备件多级库存模型及算法
　　
　　对于低需求备件采取多级库存,有利于降低库存,提高备件服务水平｡对此,Muckstadt(1980)和Hausman(1994)进行过讨论｡对于多级备件库存研究的基础是Sherbrooke提出的METRIC(Multi-EchelonTechniqueforRecoverableItemControl)模型(1968)｡Sherbrooke提出的模型是针对低需求的备件多级库存｡之后对该模型的不同条件研究,得出了不同库存模型｡具有代表的是Muckstadt对METRIC模型做了进一步的扩展,给出了多备件､多订单情况下的MOD-METRIC系统模型(1973)｡Graves提出补给站的延迟订货的两参数近似解的VARI-MET-RIC模型(1985)｡目前的研究也是围绕这些问题,如Sleptchenko等人(2005)提出了考虑修理优先权的VARI-METRIC模型的扩展模型｡
　　对这类库存模型的算法也引起研究者的关注,如Cohen等(1986)使用分支定界法获得最优存储策略,Hopp(1999)等人得到了更有效､更易实施的使持有库存成本最小的启发式算法,Caglar(2004)采用有效的遗传算法求解｡
　　
　　四､备件报废(Obsolescence)问题
　　
　　如果备件储备过多或不适当可能出现备件过长时间存在仓库中而未使用,或备件在使用之前已报废,对备件供应产生影响,这涉及备件的报废问题｡备件报废问题在企业是一个普遍现象｡赵嵩正(1999)在对某企业调查发现,企业总库存品种有1.5万余项,总库存资金达2500多万元,但其中有7000多项､价值近1000万元(约占总库存资金2/5)的备件属于设备已经报废或者长达3年半时间未领用过的｡
　　对备件报废问题研究主要始于20世纪90年代,学者们研究了产生报废的原因——由于在备件库存模型中没有考虑设备报废以及设备利用率对备件需求的影响｡Bridgman和Mount-Campbell(1993)则指出很多模型假定需要备件的设备连续不断运行,但实际一些设备并不是连续使用的,它们有闲置时间(IdlePeriods),这降低了对备件需求,致使报废问题存在｡Walker(1996)认为备件报废问题主要存在于“保险”类型的备件,或者是在系统寿命周期中几乎不会需要的备件,对这类备件建立了一个模型来求解需求的最小值｡Cobbaert和Qudheusden(1996)建立了EOQ改进模型,分析了备件库存未预料的突然报废风险问题,讨论了不允许缺货的情况下､以及允许部分缺货情况下的备件报废成本的影响｡Kennedya(2002)认为备件库存水平应该取决于获得备件延迟带来的停机风险和成本,与维持库存成本以及备件在使用前报废的风险之间权衡,这样的库存模型才能真正实现备件库存的优化｡
　　

　　五､备件库存管理的信息化
　　
　　随着计算机技术在企业管理中的普遍应用,备件库存管理的信息化也成为备件库存管理的发展趋势之一｡在这方面研究,最具有代表性的系统是Petrovic等人(1990)开发的基于微型计算机的专家系统Sparta(SparePartsAdvisor),用于备件库存系统的存储建议,是基于规则的专家系统,由知识基础和推断机理构成,采用了标准编程环境和PCPlus作为人工智能工具,是一种有效而简单的微型计算机应用软件｡Petrovic等人(1992)又提出了SPARTAII系统,结合可靠性与排队论的因果知识和实践者的表面知识,实现知识基础的浓缩设计(CondensedDesign),是一种备件决策支持的有效软件｡近几年,以计算机为手段实现了备件复杂库存模型的实际应用,如Marcelo等人(2000)开发了一个仿真模型(ARENA仿真语言),研究提高航空备件库存管理｡也有一些软件公司专门开发了一些备件管理软件,实现备件需求预测与库存决策,如SmartSofftware可进行备件需求预测与计划,已有成功案例｡
　六､基于供应链的备件库存管理
　　
　　供应链管理是21世纪管理领域的新宠,成为企业竞争的主要模式｡有效的备件库存供应链管理,有利于提高备件库存管理绩效｡如Remises(1993)提出了多级备件供应链库存管理一体化系统,说明了管理方案与供应链结构一致可以提高运作绩效,同时提供了不同行业的解决方案;Selen等人(2002)介绍在NCR公司运用业务过程流(BusinessProcessFlow)方法改进维修备件物流,减少备件的存储;Matteo(2003)等针对供应链的各级库存分散控制引起需求的不确定型进行研究,将不确定的需求分为两个部分:稳定的和不规则,对于稳定的需求可采用指数平滑法或Whybark法预测,对于不规则需求采用Croston方法预测,两部分需求预测结果加和得到总需求;Thomas和Marcus(2003)基于Internet的信息与沟通平台,运用系统动力学,开发了闭环供应链信息管理和备件管理工具,评价在整个生命服务周期满足电子设备备件需求的可能战略;Hartanto等人(2005,2006)研究了可修备件协作库存问题,包括追求总成本最低的总库存水平､库存成本分配问题以及无运输和延迟的备件库存调拨模型｡备件供应链管理从多级库存结构向协作式的､扁平化库存结构发展,这与供应链管理发展趋势有关｡
　　
　　七､结束语
　　
　　备件库存管理在国外研究历史较早,在实践中,作为设备管理与库存管理的交叉领域,不断吸取库存管理与设备管理发展的新成果,逐渐成为一门独立的研究领域｡分析国外备件库存管理研究进展及趋势,为我们国内备件库存管理的研究与实践提供参考,以提高管理水平,增强企业竞争能力｡
　　
　　参考文献:
　　[1]Kamath K.Rajashree,T.P.M.Pakkala.AB ayesian approach to a dynamic inventory model under an unknown demand distribution[J].Computers& Operations Research,2002,29:403-422.
　　[2]AHCEaves1,BG Kingsman.Forecasting for the ordering and stock-holding of spare parts[J].Journal of the Operational Research Society,2004,55:431-437.
　　[3]Thomas R.Willemain,Charles N.Smart,Hen-ry F.Schwarz.A new approach to forecasting intermittent demand for service parts inventories[J].International Journal of Forecasting,2004,20:375-387.
　　[4]Sleptchenko,A.,Vander Heijden.M.C.,VanHarten,A..Using repair priorities to reduce stock investment in spare part networks[J].European Joumal of Operational Research,2005,163(3):733-75.
　　[5]Marcelo B.Rodrigues,Mario Karpowicz,Keebom Kang.Areadinessanalysis for the argentineair for ceand the Brazilian navy a-4 fleet via consolidated logistics support.Proceedings of the 2000 Winter Simulation Conference.

 

企业备件库存改进的技巧

发表于 2009-04-27 19:12 类别：生产运营 点击：

    1、备件库存管理存在的问题
    1)备件需求缺乏有效的预测与分析机制。
备件需求与多种因素有关，需求带有很强的随机性。在进行备件管理时，众多企业的备件需求都是靠生产作业人员依据经验制定需求计划，普遍缺乏有效的需求预测及分析机制。
    2)备件管理存在"牛鞭效应"。
    由于备件需求的不确定性，生产作业部门为了保障设备正常运行，上报的需求计划往往是放大了的计划，而供应部门进行采购时，根据上报的需求计划与经验进行判断，需求可能进一步放大，造成大量的备件库存积压，库存周转慢。
    3.缺乏有效的备件库存管理方法
    现有的库存管理方法以经验管理为主导，没有合理地设定安全库存、订购点、订购批量等参数，缺乏有效的备件管理措施。因而，企业需要建立一套科学完整的备件库存管理系统，在科学预测的基础上，既能保证供应，又不会沉淀大量的流动资金负担沉重的库存维持费用。
   
    2、改进备件库存管理体系方法
    1)从需求预测的角度对备件进行分类，然后针对分类备件进行需求预测，最后结合需求预测的结果进行库存管理。需求预测方法有很多种，一般而言，按照预测方法的特征，可分为定性预测和定量预测两类。定性预测主要依靠人的观察分析能力进行预测的方法；定量预测主要依靠历史统计数据，运用数学方法建立数学模型进行预测，如指数平滑、加权移动平均、Croston、 Bootstrap和IFM法等（Croston、 Bootstrap和IFM法见附件）。企业可根据实际备件管理情况选择合适的预测方法。
    2)建立科学的备件分类。
    多数生产企业一般依据设备备件的功能、物理特征或性能参数对备件进行分类，但更科学的体系是应结合备件库存的需求预测。从备件需求预测的角度看，分类是将有相同或相似的需求规律的备件放在一类，研究这一类备件的需求规律，建立需求预测和库存管理模型，直接克服了部分备件需求历史数据少而难以估计订购提前期的困难。

附件:
    Croston法是用来预测间断需求的常用方法，适用于需求量服从正态分布、需求间隔比较稳定（如服从泊松分布）的需求序列。该方法是在指数平滑的基础上发展起来的，主要针对指数平滑预测周期性的间断需求时过高估计需求的情况发展的一种算法。该方法采用对需求间隔和需求量进行分开估计，然后采用平均需求率来预测未来的需求。JohnstonＦR则采用多种算例，说明了只要需求间隔大于1.25，Croston法就比指数加权移动平均法有优势。但该方法对于非正态分布的需求，间隔变化大的情况不适用。
    Bootstrap法是2004年由Willemain提出的间断需求预测方法，主要针对需求序列中有大量的零、提前期固定的需求序列。 Willemain用了9个工业数据库来计算，发现Bootstrap法比Croston法和指数平滑法更精确。该方法是根据需求历史数据统计需求发生的概率和前后需求发生与否的相关性，然后利用需求发生的概率结合需求量随机抽样的方法来产生未来需求的预测，重复多次能够得到预测的提前期需求分布。该方法不能考虑需求的影响因素预测，且可能过低估计提前期需求变异，尤其是当需求样本比较少时，准确性不高。
    IFM法将多种影响备件需求发生的因素考虑进备件需求预测中，如装置检修安排、设备大修安排等（这些因素中很多是可以提前预测的），并且同时考虑需求自身数据的特点（如相关性）来预测，相对于只考虑需求数据自身特性的Bootstrap法相比，在预测专用或者通用性不强的物资需求规律时，预测的准确性要高很多。用IFM法预测通用类物资以及与影响因素关系不显著的物资需求时，预测的准确性不高。